İçindekiler
Microsoft'un yapay zeka teşhis sistemi, Science dergisinde 22 Ekim 2026'da yayımlanan çalışmaya göre karmaşık tıbbi vakalarda pratisyen hekimlerden belirgin biçimde daha isabetli sonuç verdi. MAI-DxO (Diagnostic Orchestrator) adlı sistem, New England Journal of Medicine'dan alınan zorlu vakalarda yüzde 83 doğruluğa ulaşırken, referans materyalle çalışan pratisyen hekimler ve genel dahiliye uzmanları yüzde 36'da kaldı. Referanssız çalışan hekimlerde oran yüzde 22'ydi.
Sistem nasıl çalışıyor?
MAI-DxO tek bir model değil, birden fazla yapay zeka ajanını bir doktor heyeti gibi koordine eden bir düzenek. Ajanlar hastaya soru soruyor, test istiyor ve teşhis üzerine tartışıyor; yani bir hekimin vakayı inceleme sürecini taklit ediyor. Sistemin altında OpenAI'nin GPT-5 modeli çalışıyor. Microsoft, DxO'yu OpenAI, Google, Anthropic, Meta ve DeepSeek modelleriyle de test etti; en iyi sonuçlar GPT-5 ve Nisan 2026'da çıkan GPT-5.5 ile alındı.
Acil servis vakalarında da önde
The Verge'in aktardığı sonuçlara göre sistem, Boston'daki Beth Israel Deaconess Medical Center'ın acil servis verilerinden alınan vakalarda yüzde 80 doğruluğa ulaştı; insan hekimlerin ortalaması yüzde 47'ydi. Microsoft, vakaları kendi kıyaslama setinde topladı ve SDBench adını verdiği bu seti açık kaynak yayımlamayı planlıyor. Sistem ayrıca teşhise insan hekimlere göre daha düşük tahmini maliyetle ulaşma eğilimindeydi.
Kazanç nereden geliyor?
Çalışmanın kendi verisi, iyileştirmenin önemli bir bölümünün altındaki modelin gücünden geldiğini gösteriyor; DxO'nun koordinasyon katmanı bunun üzerine ek kazanç sağlıyor. Örnek: GPT-5 tek başına, kısa bir istemle karmaşık vakalarda yüzde 78,9 doğruluğa vaka başına yaklaşık 8.400 dolarlık tahmini maliyetle ulaştı. DxO maliyeti yaklaşık 3.000 dolar düşürdü ama doğruluğu yalnızca dört puan artırdı. GPT-5.5'te tablo daha iyi: karmaşık vakalarda doğruluk yüzde 72'den yüzde 87'ye çıktı ve maliyet biraz düştü.
Zayıf modellerde etki daha büyük
DxO'nun asıl farkı, daha zayıf modellerde ortaya çıkıyor. Gemini 2.5 Flash tek başına karmaşık vakalarda yüzde 46,4 alırken DxO ile yüzde 69'a çıktı. Yine de zayıf ve güçlü modeller arasındaki uçurum, DxO'nun sağladığı artıştan daha büyük. Microsoft araştırmacıları, modeller teorik sınıra yaklaştıkça doğruluk kazançlarının doğal olarak azaldığını kabul ediyor. Acil servis vakalarında ise DxO'nun katkısı neredeyse yok: hem doğruluk hem maliyet GPT-5'in tek başına aldığı sonuçlarla aynı seviyede kaldı.
Metodolojik sınırlar
Karşılaştırmanın en zayıf noktası, kıyaslanan hekim profili. Bu karmaşıklıktaki vakalar normalde uzmanlara veya hekim ekiplerine gider; çalışmada uzmanlar yer almadı. Ayrıca testler geçmiş vaka kayıtları üzerinde yapıldı, gerçek klinik ortamda değil. Microsoft AI CEO'su Mustafa Suleyman da bunu açıkça söylüyor: "Klinik doğrulama gerekiyor. Bu bir sıçrama, ama yolculukta önemli bir kilometre taşı."
Sırada ne var?
Microsoft, sistemi gerçek hastane ortamında test etmeye hazırlanıyor. Beth Israel Deaconess ile yapılacak çalışmada hastalar standart tedavi alırken, onay verenler paralel olarak DxO ile de etkileşecek ve öneriler insan hekimlerinkiyle karşılaştırılacak. Şirket ayrıca Mayo Clinic ile sağlık alanına özel bir temel model eğitiyor ve gelecek yıl yayınlamayı planlıyor. Suleyman, 2027'de tıbbi kayıtlar için "kodlama benzeri bir atılımın eşiğinde" olacaklarını öne sürüyor.
Sektör bağlamı
Microsoft yalnız değil. Google, AMIE adlı tanı modeli için Beth Israel ile birlikte The Lancet'te bu ay bir klinik çalışma yayımladı; OpenAI da Nisan 2026'da benzer iddialarla gündeme geldi. Üç şirketin de ortak eğilimi, tek görevli kıyaslamalardan (tıp sınavı soruları, tekil teşhis) klinik iş akışına entegrasyona geçmek. Microsoft bu alanı frontier model yarışından ayrışacağı bir cephe olarak görüyor ve halihazırda klinisyenlere dikte ile radyoloji araçları satıyor.
Sonuç
MAI-DxO, çok ajanlı koordinasyonun en somut tıbbi kanıtını sunuyor: karmaşık vakalarda büyük fark, acil servis gibi daha standart akışlarda ise sınırlı katkı. Bugünkü tabloyu "yapay zeka doktoru geçti" başlığıyla okumak yanıltıcı olur; doğru okuma, geriye dönük vaka setlerinde güçlü bir sinyal alındığı ve gerçek klinik doğrulamanın önümüzdeki aylarda yapılacağı. Sağlık kurumları için karar noktası, bu doğrulamanın sonucu olacak.